專利名稱：基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理領(lǐng)域，具體是一種基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法。
背景技術(shù)：
隨著不同成像原理傳感器的出現(xiàn)，異源圖像匹配技術(shù)已經(jīng)成為遙感、導(dǎo)航制導(dǎo)等領(lǐng)域的關(guān)鍵技術(shù)。但是目前異源圖像匹配研究中還存在很多困難，特別是異源圖像成像機理差異大(如光學(xué)與合成孔徑雷達(SAR)圖像)、波段差異大(如可見光與長波紅外(IR)圖像)，難以較好地獲得圖像在灰度、亮度、顏色等特征上的共性特征。根據(jù)對異源圖像成像原理和典型異源圖像的分析發(fā)現(xiàn)，對象間的粗大邊緣是異源圖像間比較具有共性的特征。常見的邊緣檢測方法有梯度方法，力場轉(zhuǎn)換法以及變換域法等。2010年9月22日公開的申請?zhí)枮?01010152357.3的中國發(fā)明專利給出了一種基于分數(shù)階次信號處理的邊緣檢測方法，首先利用分數(shù)階次求導(dǎo)算法對圖像中的每個像素點進行梯度運算，獲得各像素點的梯度幅值；然后對梯度圖像進行非極大值抑制；最后采用雙閾值方法判定目標像素點是否為像素點并連接邊緣，獲得最終的邊緣檢測結(jié)果。該專利的方法較好地提取了圖像中的邊緣，但是邊緣檢測結(jié)果過于細膩，很難從中提取到有效的粗大邊緣。2011年7月6日公開的申請?zhí)枮?01110065202.0的中國發(fā)明專利給出了一種基于力場轉(zhuǎn)換的異源圖像粗大邊緣檢測方法，首先根據(jù)引力概念計算圖像中各像素點受到的合力的大小和方向；其次對圖像中像素點所受合力的大小進行歸一化處理；然后對歸一化后的圖像進行二值化分割以獲得邊緣像素點所在的區(qū)域；最后根據(jù)合力的大小和方向特征獲得最終的粗大邊緣點。該專利的方法較好地提取出了可見光和紅外圖像的粗大邊緣，但是對于SAR圖像以及實際的含噪聲異源圖像，該方法不能有效地提取。

發(fā)明內(nèi)容
本發(fā)明的目的是提供一種基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，對實際含有噪聲的異源圖像進行快速準確的粗大邊緣提取，從而為異源圖像匹配奠定基礎(chǔ)。本發(fā)明是采取以下的技術(shù)方案來實現(xiàn)的:基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，包括以下步驟:I)計算圖像中每個像素的灰度和紋理特征值，并以此構(gòu)建二維特征空間；2)利用數(shù)理分析中的數(shù)據(jù)約減思想，壓縮參與聚類迭代的二維特征空間數(shù)據(jù)集，產(chǎn)生新的數(shù)據(jù)集；3)將約減后的新數(shù)據(jù)集的特征空間映射到高斯核空間中，以高斯核空間中的歐氏距離代替樣本空間的歐氏距離；4)在高斯核空間下采用快速可能性模糊C均值聚類算法對圖像進行分割；
5)采用Canny算子對分割后的圖像進行邊緣檢測。前述的步驟I)中，選取每個像素局部鄰域的灰度均值和一階熵值作為該點的灰度和紋理特征，并以此構(gòu)建二維特征空間，灰度均值m和一階熵值E的計算公式分別為:
權(quán)利要求
1.于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:包括以下步驟: 1)計算圖像中每個像素的灰度和紋理特征值，并以此構(gòu)建二維特征空間； 2)利用數(shù)理分析中的數(shù)據(jù)約減思想，壓縮參與聚類迭代的二維特征空間數(shù)據(jù)集，產(chǎn)生新的數(shù)據(jù)集； 3)將約減后的新數(shù)據(jù)集的特征空間映射到高斯核空間中，以高斯核空間中的歐氏距離代替樣本空間的歐氏距離； 4)在高斯核空間下采用快速可能性模糊C均值聚類算法對圖像進行分割； 5)采用Canny算子對分割后的圖像進行邊緣檢測。
2.據(jù)權(quán)利要求1所述的基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:所述步驟I)中，選取每個像素局部鄰域的灰度均值和一階熵值作為該點的灰度和紋理特征值，灰度均值m和一階熵值E的計算公式分別為:
3.據(jù)權(quán)利要求1所述的基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:所述步驟2)中，壓縮參與聚類迭代的二維特征空間數(shù)據(jù)集的步驟包括: 2-1)將二維特征空間中特征值均歸一化到(Γ255，把每隔q的兩個二維特征向量歸為一種，q e [5, 20]； 2-2)統(tǒng)計每種特征向量對應(yīng)的數(shù)據(jù)點個數(shù)； 2-3)去除對應(yīng)數(shù)據(jù)點個數(shù)為O的向量，即得到新的數(shù)據(jù)集V。
4.據(jù)權(quán)利要求1所述的基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:所述步驟3)是指利用一非線性映射Φ將樣本空間中的樣本映射到高斯核空間H中，得到高斯核空間的樣本向量Φ (X' i), Φ (x; 2)，…，φ(χ' s)，則高斯核空間中第j個樣本到第i個聚類中心的歐氏距離Du為:
5.據(jù)權(quán)利要求1所述的基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:所述步驟4)中，快速可能性模糊C均值聚類算法包括以下步驟: 4-1)對目標函數(shù)進行求解優(yōu)化，使其達到最小值，分別得到模糊隸屬度uu，可能性隸屬度以及聚類中心Vi的迭代公式， 目標函數(shù)J (T，U，V)表示為:
6.據(jù)權(quán)利要求3所述的基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，其特征在于:所述步驟2-1)中，取q=10即每隔10的兩個二維特征向量歸為一種特征向量，則新的數(shù)據(jù)集將最多包含26X26種特征向量。
全文摘要
本發(fā)明公開了一種基于快速核空間模糊聚類的異源圖像粗大邊緣檢測方法，通過分析具有共性的異源圖像對象間粗大邊緣的特點，提出了基于灰度和紋理的快速核空間可能性模糊C均值聚類的粗大邊緣檢測方法?？赡苄阅：鼵均值聚類算法在一定程度上克服了模糊C均值對噪聲數(shù)據(jù)敏感和可能性C均值易產(chǎn)生一致性聚類的缺點，在此基礎(chǔ)上，利用核空間的線性可分思想進一步提高了魯棒性，通過引入數(shù)據(jù)分析中的數(shù)據(jù)約減思想，壓縮參與迭代的特征空間數(shù)據(jù)集，大幅度提高了其實時性，本發(fā)明快速準確地提取了實際存在噪聲的異源圖像粗大邊緣，為異源圖像間的匹配奠定了基礎(chǔ)。
文檔編號G06T7/00GK103093478SQ20131005280
公開日2013年5月8日 申請日期2013年2月18日 優(yōu)先權(quán)日2013年2月18日
發(fā)明者趙妍, 徐貴力, 王彪, 郭瑞鵬 申請人:南京航空航天大學(xué)